一种基于OAR模型与强化学习的辅助决策方法和装置

专利主权项内容

1.一种基于OAR模型与强化学习的辅助决策方法，其特征在于，应用于策略网络，所述策略网络包括循环神经网络和每类代理对应的动作网络，所述策略网络是进行强化学习得到的；所述方法包括：获取每个所述代理观测到的各个目标的属性集合，所述目标包括所述代理；对每个所述代理观测到的所述各个目标的属性集合进行图推理计算，得到每个所述代理的属性集合矩阵；获取所述各个目标之间的关系，根据所述各个目标之间的关系，得到关系邻接矩阵；将每个所述代理的属性集合矩阵和所述关系邻接矩阵进行推理计算，得到融合了全图信息的目标属性矩阵；从环境背景中提取背景特征，将所述背景特征附加到所述目标属性矩阵，得到每个所述代理在每一时刻观测到的OAR全局特征；利用所述循环神经网络对所述OAR全局特征进行处理，得到每个所述代理对应的融合了历史信息的目标OAR全局特征；将每个所述代理对应的所述目标OAR全局特征输入所述代理对应的动作网络，得到每个所述代理的动作概率分布；根据每个所述代理的动作概率分布，确定所述代理的动作。